一种基于深度学习的内窥镜图像深度估计方法技术

本发明专利技术公开了一种基于深度学习的内窥镜图像深度估计方法，该方法通过引入配准模块辅助外观流网络训练；配准模块通过光流网络OFNet预测帧间的光流，执行自动配准步骤；配准模块还生成可见性掩码，过滤被遮挡或超出视野的像素点。通过改进的自监督框架，OFNet无需真实光流标签，并学习高质量运动信息，从而对齐相邻帧，减少内窥镜相机运动带来的影响，提高外观流估计精度，从而能够有效应对内窥镜环境中的复杂亮度变化，为内窥镜图像提供更准确的深度和姿态估计。通过估计前向光流和后向光流，辅助外观流网络的估计，从而提高外观流网络的估计精度，进而提高最终内窥镜图像深度估计的准确性。

【技术实现步骤摘要】

本专利技术属于深度学习、计算机视觉和深度估计领域，目标是实现内窥镜场景下的单目深度估计，确保高质量的内窥镜场景三维重建和手术导航。

技术介绍

1、随着现代医学技术的快速发展，内窥镜技术作为一种微创诊疗手段在医疗领域发挥着越来越重要的作用。根据世界卫生组织(who)的统计数据，全球每年约有5000万例内窥镜检查和手术，其应用范围已经从最初的消化道检查扩展到呼吸、泌尿、妇科等多个领域。然而，传统内窥镜技术在图像质量、操作精度和智能辅助等方面仍存在诸多限制，这促使研究者们不断探索新的技术突破。

2、针对内窥镜场景中深度估计的鲁棒性、精度以及光照变化等关键问题开展研究。随着微创手术的普及，内窥镜手术在现代医疗中发挥着越来越重要的作用。然而，由于内窥镜环境的特殊性，传统深度估计算法在面对反光、遮挡、组织形变等复杂情况时常出现不稳定，严重影响手术安全。据统计，约25％的手术并发症与深度感知误差直接相关。特别是在关键手术操作中，深度估计的不准确可能导致严重的医疗事故。

3、在深度估计的鲁棒性方面，现有算法在处理内窥镜场景特有的高光、反射、遮挡等复本文档来自技高网...

【技术保护点】

1.一种基于深度学习的内窥镜图像深度估计方法，其特征在于，通过引入配准模块辅助外观流网络训练；配准模块通过光流网络OFNet预测帧间的光流，执行自动配准步骤；配准模块还生成可见性掩码，过滤被遮挡或超出视野的像素点；通过改进的自监督框架，OFNet无需真实光流标签，并学习高质量运动信息，从而对齐相邻帧，减少内窥镜相机运动带来的影响，提高外观流估计精度，从而能够有效应对内窥镜环境中的复杂亮度变化，为内窥镜图像提供更准确的深度和姿态估计；

2.根据权利要求1所述的一种基于深度学习的内窥镜图像深度估计方法，其特征在于，所述配准模块执行的自动配准过程如下：通过光流引导的配准过程，最小化...

【技术特征摘要】

1.一种基于深度学习的内窥镜图像深度估计方法，其特征在于，通过引入配准模块辅助外观流网络训练；配准模块通过光流网络ofnet预测帧间的光流，执行自动配准步骤；配准模块还生成可见性掩码，过滤被遮挡或超出视野的像素点；通过改进的自监督框架，ofnet无需真实光流标签，并学习高质量运动信息，从而对齐相邻帧，减少内窥镜相机运动带来的影响，提高外观流估计精度，从而能够有效应对内窥镜环境中的复杂亮度变化，为内窥镜图像提供更准确的深度和姿态估计；

2.根据权利要求1所述的一种基于深度学习的内窥镜图像深度估计方法，其特征在于，所述配准模块执行的自动配准过程如下：通过光流引导的配准过程，...

【专利技术属性】
技术研发人员：裴福俊，孔翔飞，宋韦辰，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：